腐蚀与膨胀
腐蚀与膨胀是对白色部分(高亮部分)而言,不是黑色部分。膨胀类似于“领域扩张”,腐蚀类似于“领域被蚕食”。
膨胀:求局部最大值操作。将图像A与核B进行卷积,核的形状大小不定。
算法:假设用一个3x3的结构,扫描图像的每一个像素,用结构元素与覆盖的二值图像做“与”操作,如果都为0,那么图像该像素为0,否则为1。结果使二值图像扩大一倍
腐蚀与膨胀使相反的一对操作,即求局部最小值操作
假设用一个3x3的结构,扫描图像的每一个像素,用结构元素与覆盖的二值图像做“与”操作,如果都为1,那么图像该像素为1,否则为0。结果使二值图像减小一倍
函数为:
cv2.dilate(src,kernel,iteration)
#kernel的获取可以函数
kernel=getStructuringElement(shape,Size)
shape:取值为0,1,2
0:矩阵MORPH_RECT
1:交叉型MORPH_CROSS
2:椭圆形MORPH_ELLIPSE
也可以使用cv2.MORPH_RECT;cv2.MORPH_CROSS;cv2.MORPH_ELLIPSE
#图像的腐蚀
cv2.erode(src,kernel,iteration)
开运算
先腐蚀后膨胀。开运算可以用来消除小物体,在纤维点处可分离。
开运算带来的结果是放大了裂缝或者局部低亮度的区域
dst=cv2.open(src,element)=cv2.dilate(cv2.erode(src,element))
闭运算
先膨胀后腐蚀的过程。能够排除小型黑洞(黑色区域)
dst=cv2.close(src,element)=cv2.erode(cv2.dilate(src,element))
形态学梯度
即:膨胀图与腐蚀图之差。通过做差,可以保留物体边缘的轮廓。
cv2.morphologyEx(src,op,kernel)
op:cv2.MORPH_OPEN #开运算
cv2.MORPH_CLOSE #闭运算
cv2.MORPH_GRANIENT #形态学梯度
cv2.MORPH_TOPHAT #顶帽
cv2.MORPH_BLACKHAT #黑帽
cv2.MORPH_ERODE #腐蚀
cv2.MORPH_DILATE #膨胀
顶帽
原图像与开运算作差的结果,开运算放方法了裂缝或者局部低亮部分区域,所以通过作差,效果图突出了原图轮廓周围区域更加明亮的区域。通过顶帽运算往往用来分离比邻近点亮的一些板块。
黑帽
原图像与闭运算作差的结果,效果图突出了原图轮廓周围区域更暗的区域。通过黑帽运算往往用来分离比邻近点亮的一些板块。